关节感知的规范表面映射
计算机视觉与模式识别
2020-05-28 v3
摘要
我们处理以下任务：1) 预测规范表面映射 (CSM)，其指示从 2D 像素到规范模板形状上对应点的映射；2) 推断对应于输入图像的模板的关节与姿态。先前方法依赖关键点监督进行学习，我们提出一种无需此类标注即可学习的方法。我们的核心见解是这些任务在几何上相关，且可通过强制预测间的一致性获得监督信号。我们在多种动物对象类别上展示结果，表明我们的方法仅使用前景掩码标签训练即可从图像集合中学习关节与 CSM 预测。我们经验性地表明，允许关节有助于学习更精确的 CSM 预测，且强制与预测 CSM 的一致性对于学习有意义的关节同样关键。
引用
@article{arxiv.2004.00614,
title = {Articulation-aware Canonical Surface Mapping},
author = {Nilesh Kulkarni and Abhinav Gupta and David F. Fouhey and Shubham Tulsiani},
journal= {arXiv preprint arXiv:2004.00614},
year = {2020}
}
备注
To appear at CVPR 2020, project page https://nileshkulkarni.github.io/acsm/